http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 안재근(Jae-Geun Ahn) (검색결과 18 건)
- 무료
- 기관 내 무료
- 유료
-
-
안재근(Jae-Geun Ahn),김삼근(Sam-Keun Kim) 한국산학기술학회 2023 한국산학기술학회논문지 Vol.24 No.9
수송문제는 m개의 공급마디에서 n개의 수요마디로 물건을 운송하는데 있어서 가장 저렴한 값으로 운송할 수 있는 방법을 찾고자 하는 문제이다. 또한, 치명호 문제와 치명마디 문제는 해당 네트워크에서 특정 호나 특정 마디를 제거하여 네트워크의 성능을 가장 나쁘게 하는 호나 마디를 찾는 문제이다. 본 연구는 수송문제에서 특정 수요마디의 제거를 통해 네트워크의 성능을 가장 나쁘게 하는 수요지를 찾는 문제를 정의하고 이 문제에 대하여 살펴본다. 이를 위해 수요마디의 제거를 통해 성능이 나빠지는 기준 3가지를 제시하였다. 또한, 특정 수요마디가 제거된 부분수송문제를 수리모형으로 제시하고, 이 부분수송문제를 모든 수요마디에 대하여 반복적으로 적용하여 치명 수요마디를 찾는 방법을 제시하였다. 이 문제는 수송문제에서 수요량의 강제적 감소의 영향을 가장 많이 받는 수요마디가 어떤 마디인지를 구하고자 할 경우에 사용될 수 있다. 즉, 수출 규제, 수출 제한 등과 같은 글로벌 공급망의 변동에 효과적으로 대응하고자 하는 의사결정에 적용될 수 있다. One problem in transportation is finding the cheapest way to transport goods from supply nodes to demand nodes. In addition, the most vital arc problem and the most vital node problem require finding an arc or node that causes the worst performance of the network by removing a specific arc or node. In this study, we defined the problem of finding the demand point that has the worst performance of the network through the removal of a specific demand point in the transportation problem and examined it. To this end, three criteria are presented for deteriorating performance through the removal of a demand point. In addition, a partial transportation problem in which a specific demand point is removed is presented as a mathematical model, and a method is presented for finding the most vital demand point (MVDP) by repeatedly applying this partial transportation problem to all demand points. This problem can be used in a transportation problem to find out which node that is most affected by a forced decrease in demand. It can be applied to decision-making to effectively respond to changes in the global supply chain, such as trade disputes.
-
시간전개형 네트워크 접근법을 이용한 기존 열차시각표를 고려한 추가적 철도화물 최대수송량 결정에 관한 연구
안재근(Ahn, Jae-Geun) 한국산학기술학회 2011 한국산학기술학회논문지 Vol.12 No.8
본 연구는 주어진 시간 내에 현재의 열차운행계획을 바꾸지 않고 추가적으로 수송할 수 있는 화물의 최대량 과 수송 일정을 찾고자 하는 알고리즘에 관한 것이다. 이를 위해 시간전개형 네트워크로 주어진 문제를 표현한 후, 전처리 절차를 통해 불필요한 호들을 제거하는 방법으로 정적네트워크에 반복적인 최대유통문제를 적용하여 기존 열 차운행계획을 고려한 화물의 최대량과 수송일정을 제시하는 절차를 예시와 함께 제시하였다. This study deals with the algorithm to finding the maximum capacity and their schedule of extra freight while honoring planned timetable of trains on railway network. Time-expanded network, a kind of space-time graph, can be shown both planned train timetable and dynamic features of given problem. Pre-processing procedure is a series of infeasible arcs removal from time-expanded network honoring planned timetable. In the result, this preprocessing transforms dynamic features of given problem into static maximal flow problem which can be easily solved.
-
안재근(Jae-Geun Ahn) 한국컴퓨터정보학회 2011 韓國컴퓨터情報學會論文誌 Vol.16 No.4
본 연구는 그린화 성능을 고려한 데이터센터의 평가지표를 개발하는 것을 목표로 한다. 이를 위해 다음과 같은 연구를 수행하고자 한다. 첫째, 데이터센터에 관련된 기준과 표준을 조사한다. 이 기준과 표준을 활용하여 그린화 성능을 고려한 데이터센터 모형을 제시한다. 이모형은 데이터센터에서 그린화 성능에 영향을 미치는 주요 구성요소들 간의 상관관계를 작업량-에너지-열로 표현한 것이다. 둘째, 이모형을 이용하여 그린화 성능 평가항목과 평가지표 그리고 평가방법을 제안한다. 셋째, 기기 수준과 데이터센터 수준의 그린화 성능을 평가하는 기준들에 대한 현황을 파악한다. 이를 통해 데이터센터의 그린화 성능에 영향을 미치는 요인을 고려할 수 있을 것이다. 마지막으로 기존의 그린화 성능 평가도구들을 조사하여, 제안하는 평가항목과 지표의 향후 필요한 개선점을 식별하고자 한다. This study deals with the assessment indices about greening performance of datacenter. To do this, we survey existing standards and guidelines about datacenter. Those are used constructing new model of datacenter regarding greening performance. In this model, the relationship between major components will be represented by job-energy-thermal notation. Items, criteria and methods are created in order to complete the assessment indices. The existing assessment indices of the datacenter level and equipment level are investigated. Parameters, the degree of virtualization and energy efficiency also affects the performance of the green performance. Finally, to determine the improvements, the proposed indices is compared with the existing assessment tools.
-
-
gCRM을 위한 공간 데이터 통합관리 시스템의 설계 및 구현
김삼근,문일환,안재근,Kim, Sam-Geun,Moon, Il-Hwan,Ahn, Jae-Geun 한국정보처리학회 2011 정보처리학회논문지D Vol.18 No.1
최근 기업 데이터의 약 80%가 공간적인 요소를 포함하고 있다는 사실이 크게 부각됨에 따라 고객 관계 관리(Customer Relationship Management, CRM) 시스템에 공간 데이터를 활용하고자 하는 새로운 분석 방법에 대한 요구가 증가하고 있다. 하지만 전통적인 CRM 시스템은 공간 데이터를 관리하거나 공간 데이터를 이용한 사용자 환경을 제공하기에 부적합하다. 본 논문에서는 레거시 CRM 시스템과 객체 지향 데이터베이스를 이용하여 엔터프라이즈 데이터와 공간 데이터의 통합관리가 가능하고 gCRM(geographic CRM)을 위한 시각화 및 분석기능을 지원하는 공간 데이터 통합관리 시스템을 설계 및 구현하였다. 본 논문에서 제시한 시스템 구축을 통하여 기 구축된 CRM 시스템에 공간 데이터 관리 및 분석이 가능한 gCRM을 효과적으로 적용할 수 있음을 확인하였다. Recently, the necessity of new methods of spatial data integration and analysis in CRM has been increased since it is acknowledged that about eighty percent of all data stored in corporate databases has a spatial component. But conventional CRM systems are either incapable of managing spatial data or are not user-friendly when doing so. This paper has designed and implemented spatially-enabled integration management system that can manage consistently both enterprise and spatial data through a legacy CRM system and object-oriented database and additionally support spatial analysis and map visualization for a gCRM. Through implementation, it is demonstrated that the proposed system can facilitate effectively spatial data management and analysis in a legacy CRM system.
-
-
심층 CNN 기반 구조를 이용한 토마토 작물 병해충 분류 모델
김삼근(Sam-Keun Kim),안재근(Jae-Geun Ahn) 한국산학기술학회 2021 한국산학기술학회논문지 Vol.22 No.5
토마토 작물은 병해충의 영향을 많이 받기 때문에 이를 예방하지 않으면 농업 경제에 막대한 손실을 초래할 수 있다. 따라서 토마토의 다양한 병해충의 진단을 빠르고 정확하게 진단하는 시스템이 요구된다. 본 논문에서는 ImageNet 데이터 셋 상에서 다양하게 사전 학습된 딥러닝 기반 CNN 모델을 적용하여 토마토의 9가지 병해충 및 정상인 경우의 클래스를 분류하는 시스템을 제안한다. PlantVillage 데이터 셋으로부터 발췌한 토마토 잎의 이미지 셋을 3가지 딥러닝 기반 CNN 구조를 갖는 ResNet, Xception, DenseNet의 입력으로 사용한다. 기본 CNN 모델 위에 톱-레벨 분류기를 추가하여 제안 모델을 구성하였으며, 훈련 데이터 셋에 대해 5-fold 교차검증 기법을 적용하여 학습시켰다. 3가지 제안 모델의 학습은 모두 기본 CNN 모델의 계층을 동결하여 학습시키는 전이 학습과 동결을 해제한 후 학습률을 매우 작은 수로 설정하여 학습시키는 미세 조정 학습 두 단계로 진행하였다. 모델 최적화 알고리즘으로는 SGD, RMSprop, Adam을 적용하였다. 실험 결과는 RMSprop 알고리즘이 적용된 DenseNet CNN 모델이 98.63%의 정확도로 가장 우수한 결과를 보였다. Tomato crops are highly affected by tomato diseases, and if not prevented, a disease can cause severe losses for the agricultural economy. Therefore, there is a need for a system that quickly and accurately diagnoses various tomato diseases. In this paper, we propose a system that classifies nine diseases as well as healthy tomato plants by applying various pretrained deep learning-based CNN models trained on an ImageNet dataset. The tomato leaf image dataset obtained from PlantVillage is provided as input to ResNet, Xception, and DenseNet, which have deep learning-based CNN architectures. The proposed models were constructed by adding a top-level classifier to the basic CNN model, and they were trained by applying a 5-fold cross-validation strategy. All three of the proposed models were trained in two stages: transfer learning (which freezes the layers of the basic CNN model and then trains only the top-level classifiers), and fine-tuned learning (which sets the learning rate to a very small number and trains after unfreezing basic CNN layers). SGD, RMSprop, and Adam were applied as optimization algorithms. The experimental results show that the DenseNet CNN model to which the RMSprop algorithm was applied output the best results, with 98.63% accuracy.
-
기상 데이터를 이용한 데이터 마이닝 기반의 산불 예측 모델
김삼근(Sam-Keun Kim),안재근(Jae-Geun Ahn) 한국산학기술학회 2020 한국산학기술학회논문지 Vol.21 No.8
산불은 경제, 자연환경, 건강과 같은 삶의 여러 측면에서 몇 가지 악영향을 주는 가장 핵심적인 환경위험 중의 하나이다. 산불의 조기발견, 빠른 예측, 신속한 대응은 산불 위험으로부터 재산과 생명을 구하는데 본질적인 역할을 할 수 있다. 산불의 빠른 발견을 위해 기상청에서 각 지역에 설치한 로컬 센서를 통해 획득한 기상 데이터를 이용하는 방법이 있다. 기상 조건(예: 온도, 바람)은 산불 발생에 영향을 미친다고 알려져 있다. 본 논문에서는 산불의 피해 면적을 예측하기 위해 데이터 마이닝(DM) 기법을 적용한다. 다섯 종류의 DM 모델, 예를 들어 Stochastic Gradient Descent(SGD), Support Vector Machines(SVM), Decision Tree(DT), Random Forests(RF), Deep Neural Network(DNN)과 네 가지 입력 특성 그룹(공간, 시간, 기상 데이터 이용)을 최근 5년간의 경기도 지역에서 수집한 실제 산불 발생 데이터에 적용하였다. 실험결과는 기상 데이터만을 이용한 DNN 모델이 가장 우수한 성능을 보였다. 제안한 모델은 빈도수가 높은 작은 규모의 산불 예측에 더 효과적이었다. 제안한 예측 모델을 통해 도출된 이러한 지식은 소방자원 관리를 개선하는데 특히 유용하다. Forest fires are one of the most important environmental risks that have adverse effects on many aspects of life, such as the economy, environment, and health. The early detection, quick prediction, and rapid response of forest fires can play an essential role in saving property and life from forest fire risks. For the rapid discovery of forest fires, there is a method using meteorological data obtained from local sensors installed in each area by the Meteorological Agency. Meteorological conditions (e.g., temperature, wind) influence forest fires. This study evaluated a Data Mining (DM) approach to predict the burned area of forest fires. Five DM models, e.g., Stochastic Gradient Descent (SGD), Support Vector Machines (SVM), Decision Tree (DT), Random Forests (RF), and Deep Neural Network (DNN), and four feature selection setups (using spatial, temporal, and weather attributes), were tested on recent real-world data collected from Gyeonggi-do area over the last five years. As a result of the experiment, a DNN model using only meteorological data showed the best performance. The proposed model was more effective in predicting the burned area of small forest fires, which are more frequent. This knowledge derived from the proposed prediction model is particularly useful for improving firefighting resource management.
-
ScienceON연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
